LSA(lag sequential analysis)

滞后序列分析python版

安装

pip install pyseqlsa

或者

pip3 install pyseqlsa

快速使用

from pyseqlsa import LSA
data = [['A', 'B', 'C', 'B', 'C', 'B', 'C'],
        ['C', 'C', 'B', 'A', 'C', 'A', 'B', 'C', 'B', 'C']]

lsa = LSA(['A', 'B', 'C'])
lsa.fit(data)

若不想打印输出，可以设置output=False

lsa.fit(data,output=False)

单独查看Z矩阵的方法

# 属性Z即是残差显著性的矩阵，大于1.96即显著
lsa.Z

如果想转换Gseq5为sds文件，可以调用

lsa.to_sds(data, "filename.sds")

通过csv获得seqs，并进行滞后序列分析

注意此处默认csv的格式，第一列为序列的id，第二列为code，标题名可以随意，从第二行开始读取，如下所示

读取后的数据即可直接用于LSA代码如下所示

from pyseqlsa import read_seqs_from_csv
from pyseqlsa import LSA

data = read_seqs_from_csv('test.csv')
lsa = LSA(['A', 'B', 'C'])
lsa.fit(data)

通过excel获得seqs，并进行滞后序列分析

excel 请按照以下的格式设置，第一列为序列的id，第二列为code，标题名可以随意，从第二行开始读取，如下所示

读取后的数据即可直接用于LSA代码如下所示

from pyseqlsa import read_seqs_from_excel
from pyseqlsa import LSA

data = read_seqs_from_excel('test.xlsx')
lsa = LSA(['a', 'b', 'c'])
lsa.fit(data)